一种利用x射线多视角图像探测鞋中藏匿危险品的方法
【技术领域】
[0001] 本发明涉及X射线数字成像安全检查技术领域，特别涉及一种利用X射线多视角 图像自动探测藏匿在鞋中的危险品的方法。
【背景技术】
[0002] 目前，不法分子在行李、随身穿戴的衣服、鞋子中藏匿危险品事件时有发生。比如， 美利坚航空发现企图将引爆藏在鞋子里的炸药制造恐怖事件，北京海关在首都机场截获有 不法分子藏匿在鞋中的毒品事件。这些恐怖事件给社会带来了很多不安定因素，也使公共 场所危险品的自动检查显得尤为重要。
[0003] 国内外已发表的有关安全检查技术的文献，多与行李中危险物品的识别有关的， 例如，美国专利US20120093367A1、US20130003135A1，以及其加拿大专利CA02608124,都 没有直接提到针对鞋藏匿危险品的识别与检测。国内公安部第一研究所申请的申请号为 200910088495. 7的专利，公开了一种利用双能量计算材料及用多视角重建的方式得到密度 来探测行李中危险物品的技术，针对的是行李包裹中的危险危物品；公安部第一研究所申 请的另一个申请号为201210424950. 8的专利，公开了一种利用X射线多视角技术检查从行 李包裹中拿出并放在专用检查盒中的液体是否危险的技术。迄今为止，直接涉及在鞋中藏 匿危险品的自动探测方法还未见报道。
【发明内容】
[0004] 针对现有技术中存在的上述问题，本发明提供了一种利用X射线多视角安检设备 自动探测鞋中藏匿炸药或毒品的方法，可以快速有效地发现不法分子藏匿在鞋中的炸药或 毒品。
[0005] 为实现上述目的，本发明采用以下技术方案。
[0006] -种利用X射线多视角图像探测鞋中藏匿危险品的方法，包括以下步骤：
[0007] 步骤1，利用待检查鞋的多视角图像确定待检查鞋的类型。
[0008] 步骤2,根据颜色分量密度检测模型寻找疑似危险品区域。
[0009] 步骤3,根据步骤2获得的疑似危险品区域的几何形状特征、图像灰度的动态范围 及图像材料特征初步判断疑似危险品区域的属性。所述属性包括安全和危险，鞋本身结构 区域的属性为安全，替换了鞋本身结构藏匿危险品的区域的属性为危险。
[0010] 步骤4,根据纹理特征分类模型，对经步骤3初步判断后属性不确定的疑似危险品 区域进行属性判断。
[0011] 步骤5,采用正交视角电子密度估计方法，对经步骤4判断后属性不确定的疑似危 险区域继续进行属性判断。
[0012] 进一步地，步骤1所述的待检查鞋的多视角图像，是通过将待检查鞋放于检查盒 中，由X射线多视角安全检查设备获得的。
[0013] 进一步地，所述步骤1还包括：对待检查鞋的多视角图像的灰度图像进行灰度形 态学、阈值分割和二值形态学处理，将鞋跟区域从整个鞋区域中分割出来。
[0014] 进一步地，所述待检查鞋按照藏匿危险品的方式分为4类：无跟无帮鞋，无跟有帮 鞋，无帮有跟鞋，有帮有跟鞋；从鞋内侧底到鞋帮边缘高度不超过70mm的鞋为无帮鞋，大于 70mm的为有帮鞋；跟结构高度不超过20mm的鞋为无跟鞋，大于20mm的鞋为有跟鞋。
[0015] 进一步地，危险品在所述4类鞋中的藏匿方法和位置为：无跟无帮鞋将危险品做 成鞋垫藏匿在脚掌位置，无跟有帮鞋将危险品做成扁片藏匿在鞋帮夹层位置，无帮有跟鞋 将危险品藏匿在鞋跟内层挖空形成的备洞里，有跟有帮鞋将危险品藏匿在鞋跟备洞和鞋帮 夹层中。
[0016] 进一步地，步骤2所述根据颜色分量密度检测模型寻找疑似危险品区域的方法如 下：
[0017] 首先，利用高斯联合概率密度函数计算像素Xli j在颜色空间中是危险品Dan的概 率p (Xli /Dan)，即可能性，公式如下：
[0019] 式中，Dy为危险品Dan在颜色空间的期望区间，N为区间内像素个数；
[0020] 如果p (Xli/Dan)大于阈值，将像素Xli j标为疑似危险区域内像素；
[0021] 然后，对被标为疑似危险区域的像素利用空间邻域信息按下式计算邻域R内像素 颜色向量的相似性Com(R):
[0023] 式中，XCli j为邻域中心元素，YC u为邻域其他元素，h为对图像复杂程度的评价； 如果Com(R)大于阈值，该邻域为疑似危险品区域；如果小于阈值，那么该邻域危险品像素 密度低，去掉疑似危险区域标签。
[0024] 进一步地，所述骤3初步判断疑似危险品区域属性的方法如下：
[0025] 所述疑似危险品区域的几何形状特征包括：面积，几何中心，连通区上下左右边 界，边缘粗糙程度，水平轴夹角。
[0026] 进一步地，步骤4所述的根据纹理特征分类模型判断所述疑似危险区域属性的方 法如下：
[0027] 采用纹理统计分析法得到灰度共生矩阵，灰度共生矩阵通过空间相关特性描述纹 理特征，其相关性函数P (gl，g2)为：
[0028]
[0029]式中，[(X1, Y1), (x2, y2)]表示由像素（X1, Y1)、（x2, y2)组成的像素对，Hx1, Y1)、 f(x2, y2)分别表示像素（Xl，yi)、（x2, y2)的灰度,S表示像素对集合，S'表示集合S中像素对 的个数，等号右边的分子表示灰度值分别为^和g 2的像素对的个数；
[0030] 基于共生矩阵计算以下4个分类的特征：
[0035] 式中，Wp表示能量；Cor表示相关性，y x、〇 x分别是p (g i，g2)中水平轴方向的期望 和均方差，y y、〇 ,分别是P (g D g2)中垂直轴方向的期望和均方差；W。表示逆差距；W E表示 熵；借用Adaboost分类算法思想，根据这4个特征在训练样本集中的正确分类和错误分类 表现，将能量作为第一弱分类器，然后依次是熵、相关性和逆差距，将4个弱分类器联合起 来形成一个强分类器；用训练出来的强分类器将步骤3得到的疑似危险区域分成三类：危 险区域；鞋本身结构，即安全区域；不确定疑似危险区域。
[0036] 进一步地，步骤5所述采用正交视角电子密度估计方法继续进行属性判断的方法 如下：
[0037] 计算所述不确定疑似危险区域像素点的电子密度，根据危险品与待检查鞋本身电 子密度的不同判断所述区域的属性；
[0038] 所述电子密度等于图像中一像素点的灰度与形成该点灰度的射线穿过的空间距 离的比值。
[0039] 进一步地，所述步骤5以后还包括对危险属性区域画框报警。
[0040] 与现有技术相比，本发明具有以下优点：
[0041] 应用本发明所述探测方法，可以简单快速地判断鞋中是否藏匿了危险品，并能确 定危险品藏匿的位置与范围。本发明所述探测方法适应于不同大小、形状、材质的鞋。不管 是采取简单的捆绑方式，还是替换鞋本身结构的藏匿方式，本发明所述方法都能够进行有 效探测。
【附图说明】
[0042] 图1为实施例所涉及的专用检查盒的示意图；
[0043] 图2为本发明所述方法的总体流程图；
[0044] 图3为正交视角估计电子密度示意图：(a)表示正交视角布局和待测物在通道中 的基本形态，（b)是（a)局部放大图，表示如何计算射线穿过的距离。
【具体实施方式】
[0045] 下面结合附图和实施例对本